EN

张鹏

副教授    硕士生导师

个人信息 更多+
  • 性别: 男
  • 在职信息: 在职
  • 所在单位: 生命科学与技术学院
  • 学历: 研究生(博士)毕业
  • 学位: 工学博士学位

其他联系方式

邮编:

通讯/办公地址:

移动电话:

邮箱:

研究方向

当前位置: 中文主页 - 研究方向

植入式脑机接口、生物医学人工智能

点击次数:
  • 植入式脑机接口

植入式脑机接口通过在大脑植入神经微电极,提供大脑与外界直接交互的“接口”,从而实现解读使用者“意念”或干预其大脑功能,在治疗神经系统疾病以及实现人机融合方面展现了巨大潜力,是神经工程领域的前沿。本人自 2011 年起致力于植入式脑机接口及相关生理信号解析研究,构建了国内最早一批猕猴植入式脑机接口平台,攻克了动物行为学平台构建、神经微电 极植入、神经电生理信号记录与分析、解码算法设计等全链条核心技术,实现了猕猴肢体运动意图实时高精度解析。首次构建了脊髓损伤大鼠的“植入式大脑-外周神经接口”系统,利用脑 机接口实时解码下肢运动意图,进而通过外周神经接口施加电刺激修复瘫痪肢体运动功能,实现了绕过受损脊髓直接修复大鼠瘫痪下肢的自主运动功能。开发了面相spike sorting、spike和LFP信号解码、神经解码器校正等相关一系列解码优化算法有效提升了植入式脑机接口的临床实用性。

  • 生物医学人工智能

建立了基于心电信号的房颤智能检测与风险预测系统。首先,开发了混合教师半监督算法以解决房颤数据标注困 难的问题,将数据标注负担降低了 98%,为大规模临床心电数据用于房颤自动检测模型开发奠定了基础;进而,开发了 CLDNN 房颤自动分类模型,首次实现了 24 小时心电图中“6 分钟”房颤发作精度下的全自动房颤病人识别;在此基础上,开发了 UNet-LSTM 房颤自动分割模型以及 AI-医生合作策略,实现了“30 秒”房颤发作精度下房颤病人识别性能超越临床医生,在超两万例临床 病人上进行测试,是房颤检测 AI 模型的首次成功临床应用; 最后,开发了 HBBI-AI 房颤风险 预测模型,首次实现只需要 15 分钟心跳信息便能提前两年预测未来房颤发生风险,方法性能与便捷性远超已有临床方法。上述房颤智能检测与风险预测系统已部署到联影公司的 12 导联心电图产品中,并已在同济医院等多家医院临床应用。